')
}
function initGt() {
var handler = function (captchaObj) {
captchaObj.appendTo('#captcha');
captchaObj.onReady(function () {
$("#wait").hide();
}).onSuccess(function(){
$('.getcheckcode').removeClass('dis');
$('.getcheckcode').trigger('click');
});
window.captchaObj = captchaObj;
};
$('#captcha').show();
$.ajax({
url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存
type: "get",
dataType: "json",
success: function (data) {
$('#text').hide();
$('#wait').show();
// 調(diào)用 initGeetest 進(jìn)行初始化
// 參數(shù)1：配置參數(shù)
// 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象，之后可以使用它調(diào)用相應(yīng)的接口
initGeetest({
// 以下 4 個(gè)配置參數(shù)為必須，不能缺少
gt: data.gt,
challenge: data.challenge,
offline: !data.success, // 表示用戶后臺(tái)檢測極驗(yàn)服務(wù)器是否宕機(jī)
new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī)
product: "float", // 產(chǎn)品形式，包括：float，popup
width: "280px",
https: true
// 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/
}, handler);
}
});
}
function codeCutdown() {
if(_wait == 0){ //倒計(jì)時(shí)完成
$(".getcheckcode").removeClass('dis').html("重新獲取");
}else{
$(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)");
_wait--;
setTimeout(function () {
codeCutdown();
},1000);
}
}
function inputValidate(ele,telInput) {
var oInput = ele;
var inputVal = oInput.val();
var oType = ele.attr('data-type');
var oEtag = $('#etag').val();
var oErr = oInput.closest('.form_box').next('.err_txt');
var empTxt = '請輸入'+oInput.attr('placeholder')+'！';
var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！';
var pattern;
if(inputVal==""){
if(!telInput){
errFun(oErr,empTxt);
}
return false;
}else {
switch (oType){
case 'login_mobile':
pattern = /^1[3456789]\d{9}$/;
if(inputVal.length==11) {
$.ajax({
url: '/login/checkmobile',
type: "post",
dataType: "json",
data: {
mobile: inputVal,
etag: oEtag,
page_ur: window.location.href,
page_referer: document.referrer
},
success: function (data) {
}
});
}
break;
case 'login_yzm':
pattern = /^\d{6}$/;
break;
}
if(oType=='login_mobile'){
}
if(!!validateFun(pattern,inputVal)){
errFun(oErr,'')
if(telInput){
$('.getcheckcode').removeClass('dis');
}
}else {
if(!telInput) {
errFun(oErr, errTxt);
}else {
$('.getcheckcode').addClass('dis');
}
return false;
}
}
return true;
}
function errFun(obj,msg) {
obj.html(msg);
if(msg==''){
$('.login_submit').removeClass('dis');
}else {
$('.login_submit').addClass('dis');
}
}
function validateFun(pat,val) {
return pat.test(val);
}
首頁 > 行業(yè)圖譜 >
- 數(shù)據(jù)挖掘過程中:數(shù)據(jù)預(yù)處理
2016-09-09-
數(shù)據(jù)挖掘過程中:數(shù)據(jù)預(yù)處理
在數(shù)據(jù)分析之前，我們通常需要先將數(shù)據(jù)標(biāo)準(zhǔn)化（normalization），利用標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析。數(shù)據(jù)標(biāo)準(zhǔn)化也就是統(tǒng)計(jì)數(shù)據(jù)的指數(shù)化。數(shù)據(jù)標(biāo)準(zhǔn)化處理主要包括數(shù)據(jù)同趨化處理 ...
- SPSS：數(shù)據(jù)標(biāo)準(zhǔn)化后出現(xiàn)負(fù)數(shù)怎么辦
- 2016-09-09
-
SPSS：數(shù)據(jù)標(biāo)準(zhǔn)化后出現(xiàn)負(fù)數(shù)怎么辦
在數(shù)據(jù)分析過程中，有時(shí)為了消除量綱單位的影響，需要提前對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，以解決數(shù)據(jù)指標(biāo)之間的可比性。原始數(shù)據(jù)經(jīng)過數(shù)據(jù)標(biāo)準(zhǔn)化處理后，各指標(biāo)即處于同一數(shù) ...
- 秩和檢驗(yàn)的spss操作
- 2016-09-04
-
秩和檢驗(yàn)的spss操作
秩和檢驗(yàn)的應(yīng)用范圍有三種：
1、有序分類變量（等級(jí)資料），如療效指標(biāo)：無效、顯效、好轉(zhuǎn)、有效、痊愈；檢驗(yàn)指標(biāo)：－、±、＋、＋＋、＋＋＋、＋＋＋＋等；
2、當(dāng)觀察資料呈偏態(tài)或極 ...
- 調(diào)查數(shù)據(jù)的加權(quán)處理技術(shù)
- 2016-08-27
-
調(diào)查數(shù)據(jù)的加權(quán)處理技術(shù)
很多人在進(jìn)行統(tǒng)計(jì)分析和市場研究的時(shí)候，都涉及到對(duì)數(shù)據(jù)進(jìn)行加權(quán)的問題，這是一個(gè)搞數(shù)據(jù)分析和從事市場研究的人都會(huì)碰到的問題，需要大家正確理解并解釋，并采用合理的操作技術(shù)和處理方 ...
- 數(shù)據(jù)挖掘最常見的十種方法
- 2016-08-09
-
數(shù)據(jù)挖掘最常見的十種方法
下面介紹十種數(shù)據(jù)挖掘（Data Mining）的分析方法，以便于大家對(duì)模型的初步了解，這些都是日常挖掘中經(jīng)常遇到的算法，希望對(duì)大家有用！（甚至有數(shù)據(jù)挖掘公司，用其中的一種算法就能獨(dú) ...
- spss中table容易被忽視的秘密
- 2016-08-08
-
spss中table容易被忽視的秘密
1、變量的類型：
注：想要變類型的話，直接用左鍵點(diǎn)變量，然后點(diǎn)右鍵（選擇你想要的類型點(diǎn)左鍵）
2、output的數(shù)據(jù)形式設(shè)置，菜單操作見：（format是數(shù)據(jù)形式，Decimal ...
- 使用Excel繪制t分布概率密度函數(shù)
- 2016-08-04
-
使用Excel繪制t分布概率密度函數(shù)
關(guān)于t分布應(yīng)用廣泛，主要用于假設(shè)檢驗(yàn)。關(guān)于使用Excel畫出t分布的概率密度函數(shù)圖表的問題，試答如下：
使用excel繪制t分布的概率密度函數(shù)，需要兩列：1）自變量X，2）計(jì)算自 ...
- 【R語言進(jìn)行數(shù)據(jù)挖掘】回歸分析
- 2016-07-30
-
【R語言進(jìn)行數(shù)據(jù)挖掘】回歸分析
1、線性回歸
線性回歸就是使用下面的預(yù)測函數(shù)預(yù)測未來觀測量：
其中，x1,x2,...,xk都是預(yù)測變量（影響預(yù)測的因素），y是需要預(yù)測的目標(biāo)變量（被預(yù)測變量）。
線性 ...
- 通過數(shù)據(jù)解釋過去
- 2016-07-26
-
通過數(shù)據(jù)解釋過去
數(shù)據(jù)的作用主要體現(xiàn)在兩方面：解釋過去和預(yù)測未來。本篇文章介紹如何通過數(shù)據(jù)解釋過去發(fā)生的事情。包括過去發(fā)生了什么事情?這些事情有什么樣的規(guī)律?驅(qū)動(dòng)因素是什么?是否有明顯的改進(jìn)或提升?等 ...
- 7種常用的互聯(lián)網(wǎng)數(shù)據(jù)挖掘技術(shù)
- 2016-07-06
-
7種常用的互聯(lián)網(wǎng)數(shù)據(jù)挖掘技術(shù)
數(shù)據(jù)挖掘的技術(shù)有很多種，按照不同的分類有不同的分類法。
下面著重討論一下互聯(lián)網(wǎng)數(shù)據(jù)挖掘中常用的一些技術(shù)：統(tǒng)計(jì)技術(shù)，關(guān)聯(lián)規(guī)則，連接分析，決策樹，神經(jīng)網(wǎng)絡(luò)，差別分析，概 ...
- 數(shù)據(jù)的標(biāo)準(zhǔn)化處理及實(shí)際應(yīng)用
- 2016-07-01
-
數(shù)據(jù)的標(biāo)準(zhǔn)化處理及實(shí)際應(yīng)用
數(shù)據(jù)標(biāo)準(zhǔn)化處理是數(shù)據(jù)挖掘的一項(xiàng)基礎(chǔ)工作，不同評(píng)價(jià)指標(biāo)往往具有不同的量綱和量綱單位，這樣的情況會(huì)影響到數(shù)據(jù)分析的結(jié)果，為了消除指標(biāo)之間的量綱影響，需要進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理， ...
- 數(shù)據(jù)分析新手入門教程
- 2016-06-04
-
數(shù)據(jù)分析新手入門教程
一、認(rèn)識(shí)數(shù)據(jù)——產(chǎn)品經(jīng)理與數(shù)據(jù)分析
1.1數(shù)據(jù)的客觀性
數(shù)據(jù)是量化事物的手段，投射到不同的人身上又會(huì)導(dǎo)致解讀的結(jié)論偏差，因此我能需要“求證”地分析第三方網(wǎng)站提供的調(diào)研數(shù)據(jù)（ ...
- R語言-回歸分析筆記
- 2016-06-02
-
R語言-回歸分析筆記
使用若干自變量并建立公式,以預(yù)測目標(biāo)變量
目標(biāo)變量是連續(xù)型的,則稱其為回歸分析
(1)一元線性回歸分析
y=kx+b
sol.lm<-lm(y~x,data)
abline(sol.lm)
使模型誤差的平方和 ...
- 數(shù)據(jù)可視化專家的七個(gè)秘密
- 2016-05-30
-
數(shù)據(jù)可視化專家的七個(gè)秘密
數(shù)據(jù)可視化的道路上充滿了不可見的陷阱和迷宮，最近ClearStory Data的兩位數(shù)據(jù)可視化開發(fā)人員分享了他們總結(jié)出來的數(shù)據(jù)可視化開發(fā)的7個(gè)不宣之秘，普通開發(fā)者了解這些方法能提升視野， ...
- 你能排第幾？2016互聯(lián)網(wǎng)行業(yè)薪酬數(shù)據(jù)分析
- 2016-05-23
-
你能排第幾？2016互聯(lián)網(wǎng)行業(yè)薪酬數(shù)據(jù)分析
需求量大薪資高？選產(chǎn)品還是技術(shù)？什么是最好的編程語言？希望這篇文章能夠幫你更好地制定職業(yè)規(guī)劃和發(fā)展方向。
我們通過抓取某著名互聯(lián)網(wǎng)招聘平臺(tái)的全部招聘數(shù)據(jù)， ...
- 多重線性回歸分析的四大紀(jì)律三項(xiàng)注意
- 2016-05-19
-
多重線性回歸分析的四大紀(jì)律三項(xiàng)注意
鑒于多重線性回歸已經(jīng)到了濫用的程度，特總結(jié)一下在使用線性回歸時(shí)需要注意的問題，總結(jié)為四大紀(jì)律加三項(xiàng)注意。
四大紀(jì)律
四大紀(jì)律之一： 自變量與因變量之間要 ...
- 控制在線問卷數(shù)據(jù)質(zhì)量的具體方法
- 2016-05-08
-
控制在線問卷數(shù)據(jù)質(zhì)量的具體方法
在對(duì)互聯(lián)網(wǎng)產(chǎn)品進(jìn)行的用戶研究中,通過在線問卷收集數(shù)據(jù)是一個(gè)非常普遍的方式。 在線問卷,不受訪問的環(huán)境限制,回收速度很快,具有明顯的優(yōu)勢。但是由于被訪者沒有相關(guān)的指導(dǎo),在設(shè) ...
- 兩樣本估計(jì)和假設(shè)檢驗(yàn)范例分析
- 2016-05-06
-
兩樣本估計(jì)和假設(shè)檢驗(yàn)范例分析
基礎(chǔ)準(zhǔn)備
兩樣本推斷性統(tǒng)計(jì)基礎(chǔ)：兩樣本估計(jì)和假設(shè)檢驗(yàn)基礎(chǔ)。
均值差
通過對(duì)比單樣本估計(jì)和假設(shè)檢驗(yàn)的學(xué)習(xí)，可以列出獨(dú)立兩樣本均值差的估計(jì)和假設(shè)檢驗(yàn)在不同情 ...
- 從最大似然到EM算法淺解
- 2016-05-05
-
從最大似然到EM算法淺解
機(jī)器學(xué)習(xí)十大算法之一：EM算法。能評(píng)得上十大之一，讓人聽起來覺得挺NB的。什么是NB啊，我們一般說某個(gè)人很NB，是因?yàn)樗芙鉀Q一些別人解決不了的問題。神為什么是神，因?yàn)樯衲茏龊芏嗳?...
- 8個(gè)經(jīng)過證實(shí)的方法:提高機(jī)器學(xué)習(xí)模型的準(zhǔn)確率
- 2016-05-05
-
8個(gè)經(jīng)過證實(shí)的方法:提高機(jī)器學(xué)習(xí)模型的準(zhǔn)確率
提升一個(gè)模型的表現(xiàn)有時(shí)很困難。如果你們曾經(jīng)糾結(jié)于相似的問題，那我相信你們中很多人會(huì)同意我的看法。你會(huì)嘗試所有曾學(xué)習(xí)過的策略和算法，但模型正確率并沒有改 ...
全國校區(qū)
京公網(wǎng)安備 11010802034615號(hào)
經(jīng)營許可證編號(hào)：京B2-20210330